| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 研究背景和意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 遥感图像的分类和分割 | 第10-12页 |
| 1.2.2 卷积神经网络 | 第12-13页 |
| 1.3 本文的主要研究内容 | 第13页 |
| 1.4 本文的组织结构 | 第13-15页 |
| 第2章 深度卷积网络 | 第15-23页 |
| 2.1 引言 | 第15页 |
| 2.2 神经网络基础 | 第15-18页 |
| 2.3 用于分类的卷积神经网络 | 第18-19页 |
| 2.4 基于全卷积网络的语义分割 | 第19-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 粗粒度遥感图像分类 | 第23-37页 |
| 3.1 引言 | 第23页 |
| 3.2 遥感图像分类数据库 | 第23-24页 |
| 3.3 基于SIFT+BOVW的遥感图像地表分类 | 第24-25页 |
| 3.4 基于深度学习方法的遥感图像分类方法 | 第25-28页 |
| 3.4.1 单模型分类 | 第25-28页 |
| 3.4.2 多模型集成 | 第28页 |
| 3.5 遥感图像的多阶段分类模型 | 第28-32页 |
| 3.5.1 多阶段分类模型 | 第29-31页 |
| 3.5.2 多阶段分类模型的训练方法 | 第31-32页 |
| 3.6 实验结果与分析 | 第32-34页 |
| 3.6.1 基于SIFT+BoVW的遥感图像地表分类 | 第32-33页 |
| 3.6.2 单模型分类和模型集成实验结果 | 第33-34页 |
| 3.6.3 多阶段分类模型的实验结果与分析 | 第34页 |
| 3.7 粗粒度分类应用 | 第34-36页 |
| 3.8 本章小结 | 第36-37页 |
| 第4章 细粒度遥感图像分割 | 第37-52页 |
| 4.1 引言 | 第37页 |
| 4.2 遥感图像语义分割数据库 | 第37-38页 |
| 4.3 基于深度学习的遥感图像语义分割 | 第38-40页 |
| 4.3.1 DRN网络结构 | 第38-40页 |
| 4.3.2 网络结构参数 | 第40页 |
| 4.4 基于权重调整的分割网络优化 | 第40-41页 |
| 4.5 生成对抗网络框架下的遥感图像分割模型 | 第41-46页 |
| 4.5.1 生成对抗网络 | 第42-43页 |
| 4.5.2 分割网络的对抗训练算法 | 第43-45页 |
| 4.5.3 生成模型和判别模型的结构 | 第45-46页 |
| 4.6 实验结果与分析 | 第46-49页 |
| 4.6.1 DRN分割实验结果 | 第46-48页 |
| 4.6.2 基于权重调整的分割网络优化 | 第48-49页 |
| 4.6.3 生成对抗框架下的分割网络实验结果 | 第49页 |
| 4.7 细粒度分割应用 | 第49-51页 |
| 4.8 本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第58-60页 |
| 致谢 | 第60页 |